大多数人在看到「multi-agent」时会觉得需要搭建架构。

实际上你只是需要让模型同时站在三个不同的位置思考。
角色扮演 prompt 做到的事情，跟 agent swarm 的核心机制高度重叠：强迫模型从不同前提出发、制造内部张力、让结论不是沿着同一条思路滑下去。架构派的做法是把这个过程外显化，拆成独立 agent、独立 context、独立 call。开销大，可控性高，适合需要审计的生产环境。
但 90% 的使用情境不需要审计，需要的是一个不只有一种声音的回答。
这里有个被低估的工程事实：语言模型本来就是在海量角色的文字上训练出来的。角色切换对它来说不是模拟，是激活不同的权重分布。你给它三个角色，它真的会用三种不同的认知结构去处理同一份材料。
复杂度不在工具，在 prompt 有没有把角色的前提说清楚。
说清楚了，一个 prompt 顶一个 swarm。说不清楚，架构再漂亮也是三个 agent 给你同一个答案。
---Prompt Example---
你现在扮演三个角色，针对以下内容分别独立思考，然后互相讨论。
开始前，先用一句话定义：这份材料要解决什么问题、要达成什么具体结果。三个角色都必须基于这个定义出发，不能各自解读目标。